warum-exponential-fuer-sigma-schoice
Question
Im Kung-Modell wird für den Mittelwert \(\mu\) eine Normalverteilung, für die Streuung \(\sigma\) hingegen eine Exponentialverteilung als Apriori-Verteilung gewählt. Warum eignet sich die Normalverteilung nicht auch für \(\sigma\)?
Answerlist
- Weil \(\sigma\) als Streuungsmaß per Definition nicht negativ werden darf, eine Normalverteilung aber auch negative Werte zulassen würde; die Exponentialverteilung ist hingegen nur für positive Werte definiert.
- Weil eine Normalverteilung immer schiefer ist als eine Exponentialverteilung.
- Weil die Normalverteilung nur für ganzzahlige Werte definiert ist, \(\sigma\) aber reellwertig sein kann.
- Weil \(\mu\) und \(\sigma\) laut Modell exakt denselben Wertebereich haben müssen.
- Weil sich die Exponentialverteilung inhaltlich besser für Körpergrößen eignet als für Streuungsmaße.
Solution
Eine Streuung \(\sigma\) kann inhaltlich niemals negativ sein (die “Unterschiedlichkeit” von Werten kann nicht kleiner als Null sein). Eine Normalverteilung erlaubt aber grundsätzlich auch negative Werte, was für \(\sigma\) unplausible (unmögliche) Werte in der Apriori-Verteilung zulassen würde. Die Exponentialverteilung ist dagegen per Definition nur für \(x>0\) definiert und schließt negative Werte von vornherein aus – die erste Option ist korrekt.
Warum die Distraktoren falsch sind:
- Die zweite Option ist inhaltlich unbegründet und irrelevant für die Frage, warum \(\sigma\) nicht normalverteilt angenommen wird – die Schiefe einer Verteilung ist hier nicht das entscheidende Kriterium, sondern der zulässige Wertebereich.
- Die dritte Option ist falsch: Sowohl die Normal- als auch die Exponentialverteilung sind stetige Verteilungen, die beliebige reelle (nicht nur ganzzahlige) Werte im jeweils zulässigen Bereich annehmen können.
- Die vierte Option ist falsch: \(\mu\) (Mittelwert der Körpergröße, kann im Prinzip jeden Wert annehmen, auch wenn unrealistisch) und \(\sigma\) (eine notwendigerweise positive Streuung) haben inhaltlich unterschiedliche Wertebereiche – genau deshalb werden unterschiedliche Verteilungstypen für die beiden Parameter gewählt.
- Die fünfte Option beschreibt keinen sinnvollen Grund: Die Exponentialverteilung wird hier nicht für Körpergrößen selbst verwendet (dafür ist ja die Normalverteilung in der Likelihood zuständig), sondern speziell für das notwendigerweise positive Streuungsmaß \(\sigma\).
Aufgabenname: warum-exponential-fuer-sigma-schoice
Answerlist
- Wahr
- Falsch
- Falsch
- Falsch
- Falsch
Meta-information
exname: warum-exponential-fuer-sigma-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes